📖标题：Cogentic: Multi-Agent Orchestration for Automated Proof Discovery🌐来源：arXiv, 2609.40324v1🛎️文章简介🔸研究问题：如何让大语言模型像人类研究小组一样，通过长期探索、试错和验证，独立解决需要复杂推理的数学和理论计算机科学开放性问题？🔸主要贡献：论文提出了Cogentic多智能体编排框架，无需人工提示即可在在线学习、拍卖理论等领域发现5个新的研究成果，且结果均经专家验证。📝重点思路🔸模拟科研团队分工：系统包含协调器（分配任务）、文献审查员（检索背景）、证明者（并行生成证明草稿）、验证者（对抗性检查错误）、顾问（分析日志优化策略）等角色，共同在一个共享工作空间中协作。🔸迭代式证明-验证循环：工作流程以轮次进行，协调器根据当前进展分配不同的证明方向，证明者基于摘要简报独立撰写草稿，验证者以“假设错误”的态度严格审查，只有同时通过独立验证和交叉对比验证的草稿才会被接受。🔸持久化知识账本：系统维护两个核心记录，一是“尝试记录”，保存失败尝试及原因以避免重蹈覆辙；二是“已验证账本”，提取并存储中间引理供后续轮次复用，实现知识的累积和长程记忆。🔸自适应过程优化：顾问代理跨轮次分析验证日志，识别重复错误或验证盲区，动态调整给证明者和验证者的指令标准，以及协调器的资源分配策略，从而不断提升解题效率。🔎分析总结🔸高效解决开放问题：在使用Gemini作为基座模型的情况下，Cogentic仅用O(100)到O(1000)次调用就解决了5个不同领域的开放问题，证明了其在低推理预算下的高效性。🔸在线逆线性优化突破：发现了第一个既高效又proper的O(d)遗憾界算法，该界限与时间 horizon T 无关，优于此前随T增长的对数界或指数级计算成本的方案。🔸双边市场招聘简化：证明了在双边市场
